UNIVERSIDADE FEDERAL DE SANTA CATARINA CENTRO TECNOLÓGICO
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO
CURSO DE DOUTORADO EM ENGENHARIA DE PRODUÇÃO
Terezinha Bezerra Albino Oliveira
AVALIAÇÃO DA EFICIÊNCIA PRODUTIVA DE FAZENDAS CANAVICULTORAS UTILIZANDO ÍNDICES DE MALMQUIST
Florianópolis/SC 2014
Terezinha Bezerra Albino Oliveira
AVALIAÇÃO DA EFICIÊNCIA PRODUTIVA DE FAZENDAS CANAVICULTORAS UTILIZANDO ÍNDICES DE MALMQUIST
Tese submetida ao Programa de Pós-Graduação em Engenharia de Produção da Universidade Federal de Santa Catarina, para a obtenção do Grau de Doutora em Engenharia de Produção.
Orientador: Prof. Dr. Antonio Cezar Bornia
Florianópolis/SC 2014
Autorizo a reprodução e divulgação total ou parcial deste trabalho, por qualquer meio convencional ou eletrônico, para fins de estudo e pesquisa, desde que citada a fonte.
Ficha de identificação da obra elaborada pelo autor,
através do Programa de Geração Automática da Biblioteca Universitária da UFSC.
Oliveira, Terezinha Bezerra Albino.
O48a Avaliação da eficiência produtiva de fazendas canavicultoras utilizando índices de Malmquist /, Terezinha Bezerra Albino Oliveira; Orientador, Antonio Cezar Bornia. - Florianópolis, SC, 2014.
226p.
Tese (Doutorado)- Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção.
Inclui referências
1. Produtividade Total dos Fatores de Produção. 2. Análise Envoltória de Dados. 3. Custos de Produção de Cana. 4. Eficiências Técnica e de Escala. I. Bornia, Antonio Cezar. II. Universidade Federal de Santa Catarina. Programa de Pós-Graduação em Engenharia de Produção. III. Título.
Terezinha Bezerra Albino Oliveira
AVALIAÇÃO DA EFICIÊNCIA PRODUTIVA DE FAZENDAS CANAVICULTORAS UTILIZANDO ÍNDICES DE MALMQUIST
Esta Tese foi julgada adequada para obtenção do Título de “Doutora” e aprovada em sua forma final pelo Programa de Pós-Graduação em Engenharia de Produção.
Florianópolis, 31 de outubro de 2014.
Profa. Lucila Maria de Souza Campos, Dra. Coordenadora do Curso
Banca Examinadora:
Prof. Antonio Cezar Bornia, Dr. Orientador - UFSC
Prof. Antonio Sérgio Coelho, Dr. Membro - UFSC
Prof. Henri Stüker, Dr. Membro - EPAGRI
Prof. Pedro Alberto Barbetta, Dr. Membro - UFSC
Prof. Jair dos Santos Lapa, Ph.D. Membro UFSC
Profa. Suely de Fátima Ramos Silveira, Dra.
“O que vale na vida não é o ponto de partida e sim a caminhada. Caminhando e semeando, no fim terás o que colher”. (Cora Coralina)
Aos meus pais, José Cesário Albino (in memoriam) e Constança Dutra Bezerra Albino, que, com amor, trabalho e retidão de caráter, muito me ensinaram.
Ao meu marido, Mauro Wagner, ao qual devo uma parcela de mais esta conquista, e aos meus irmãos, que sempre estiveram presentes.
AGRADECIMENTOS
A Deus, pela vida e por ser sempre o meu guia.
À minha primeira Professora Constança Dutra Bezerra Albino, Mãe e educadora.
À Universidade Federal de Alagoas, pela minha liberação para o Doutorado.
À Universidade Federal de Santa Catarina, representada pelo Departamento de Engenharia de Produção, pela oportunidade de realização deste curso.
Ao Professor Antonio Cezar Bornia, pela orientação coerente, pelas sugestões oportunas e objetivas e pelos ensinamentos durante o meu doutorado.
Ao Professor Carlos Ernani Fries, do DEPS/UFSC, por não ter medido esforços para colaborar, corrigir rumos e apresentar sugestões no que se referiu às abordagens “Análise Envoltória de Dados e Índice de Malmquist”.
À Professora Suely de Fátima Ramos Silveira e ao Alexandre Matos Drumond, do DAC/UFV, pela valiosa ajuda em várias etapas deste trabalho.
Aos Professores, examinadores, Antonio Sérgio Coelho, Henri Stüker, Jair dos Santos Lapa, Pedro Alberto Barbetta e Suely de Fátima Ramos Silveira, pelas contribuições científicas para o engrandecimento deste trabalho.
À Professora Ana Lúcia Miranda Lopes, do Departamento de Economia da Universidade Federal de Minas Gerais, por permitir que eu assistisse as suas aulas da disciplina “Análise Envoltória de Dados”.
Ao Professor Pedro Alberto Barbetta, do Departamento de Estatística da UFSC, pelas contribuições em trabalhos científicos.
Ao Professor Lailton Soares, do Centro de Ciências Agrárias da UFAL, pela presteza em me auxiliar nas análises dos dados.
Ao Christiano Nascif, Coordenador do Educampo/SEBRAE, pelo apoio ao longo de vários anos e pelo fornecimento dos dados indispensáveis à execução desta pesquisa.
Aos técnicos Jolberto A. Martins e Leandro da S. Almeida, respectivamente, da DASA e do Educampo-Cana/SEBRAE,
pelas discussões e pela disponibilidade de informações.
Ao meu marido, Mauro Wagner de Oliveira, pela significativa ajuda e pelo companheirismo de longo tempo.
À minha irmã, Constança Bezerra Albino Chaves, pela atenção, disponibilidade e pelo criterioso trabalho de revisão linguística.
À Yslene Rocha Kachba e à Olga Maria Formigoni C. Walter, pela amizade construída durante o curso e por saberem me ouvir nos momentos difíceis.
Aos amigos do curso de Engenharia de Produção, Cleci Grzebieluckas, Helio Ferenhof, Blênio C. S. Peixe e Adriana M.Miguel, pela convivência salutar.
À Rosimeri Maria de Souza (PPGEP/UFSC), pela presteza e apoio administrativo no decorrer do curso.
E a todos aqueles que não foram citados, mas, de alguma forma, contribuíram para a realização deste trabalho.
OLIVEIRA, Terezinha Bezerra Albino. Avaliação da eficiência produtiva de fazendas canavicultoras utilizando índices de Malmquist. 2014. 226f. Tese (Doutorado em Engenharia de Produção)- Programa de Pós-Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis, 2014.
Orientador: Prof. Dr. Antonio Cezar Bornia RESUMO
O objetivo desta pesquisa é avaliar a eficiência relativa de fazendas canavicultoras utilizando-se índices de Malmquist. O estudo foi realizado juntamente com os produtores de cana-de-açúcar da Destilaria Serra dos Aimorés (DASA), em Aimorés, Minas Gerais. Os dados correspondentes a este estudo foram obtidos de planilhas técnico-financeiras do SEBRAE/MG-Educampo Cana; da DASA e de resultados de entrevistas estruturadas e não estruturadas. Foram analisadas 79 fazendas, sendo cinco canaviais de cada fazenda, cinco safras e cinco variedades de cana, totalizando 1.975 unidades observadas. Em razão de as fazendas terem tipos diferentes de adubos aplicados nas rebrotas da cana, estas foram divididas em dois grupos: Grupo 1, composto por 20 fazendas que aplicaram adubo orgânico nas rebrotas; e, Grupo 2, formado por 59 fazendas que usaram adubo químico nas rebrotas. Selecionaram-se variáveis comuns que caracterizaram adequadamente o desempenho das propriedades canavicultoras. Assim, foram consideradas variáveis de entrada: área do canavial, calcário, adubo químico ou orgânico, herbicida e inseticida químico. Nos dois grupos, a variável de saída foi a produção de colmos industrializáveis. Os dados foram analisados utilizando-se estatística descritiva, análise de regressão, Análise Envoltória de Dados (DEA) e Índice de Produtividade de Malmquist (IPTF). Houve relação positiva entre a produtividade da lavoura e o lucro. Pela Análise Envoltória de Dados, verificou-se que, em média, 8,2% das unidades obverificou-servadas tiveram deverificou-sempenho ruim e 38%, desempenho ótimo. Apenas 14,3% das unidades observadas no Grupo 1 e 10% das do Grupo 2 tiveram ganhos no IPTF. Comparando os IPTF com o lucro das 79 fazendas, notou-se que, em ambos os grupos, pôde-se estabelecer dois subgrupos com desempenhos diferentes. Dessa forma, há necessidade contínua de aprimoramento das técnicas e dos sistemas de produção. Para tanto, as ferramentas da Engenharia de Produção podem ser úteis na aplicação de técnicas de gerenciamento que proporcionem execução controlada de cada etapa do processo, para otimizar o uso dos recursos, extraindo destes o máximo benefício ao longo do maior tempo possível, considerando a sustentabilidade socioeconômica e ambiental do sistema.
Palavras-chave: Produtividade Total dos Fatores de Produção. Análise Envoltória de Dados. Custos de Produção de Cana. Eficiências Técnica e de Escala.
OLIVEIRA, Terezinha Bezerra Albino. Evaluating the productive efficiency of sugarcane farms by using malmquist indices. 2014. Florianópolis, 2014.
ABSTRACT
The research was conducted to evaluate the relative efficiency of sugarcane farms by using Malmquist indices. The study was conducted in conjunction with producers of the sugarcane consigned to Destilaria Serra dos Aimorés (DASA) in Aimorés, Minas Gerais. The data corresponding to this study were obtained from technical-financial spreadsheets of the SEBRAE / MG-Educampo Cana, from DASA and from the results of structured and unstructured interviews. Seventy-nine farms were analyzed, as being five reed stands of each farm, five harvests and five varieties of sugarcane, as totaling 1,975 units observed. Because the farms have different types of fertilizers applied to regrowth of the cane, they were divided into two groups: Group 1 comprised 20 farms that applied organic fertilizer in sprouts; and Group 2 consisting of 59 farms that used chemical fertilizer on regrowth. Common variables that adequately characterized the performance of the sugarcane farms were selected. Therefore, the following input variables were considered: reed stand, lime, chemical or organic fertilizer, herbicide and chemical insecticide. In both groups, the output variable was the production of industrialized stalks. Data were analyzed by using descriptive statistics, regression analysis, Data envelopment analysis (DEA) and Malmquist Productivity Index (IPTF). There was a positive relationship between crop productivity and profit. By data envelopment analysis, it was found that, on average, 8.2% of the observed units had poor performance and 38% had great performance. Only 14.3% of the units observed in Group 1 and 10% of those in Group 2 had gains in IPTF. When comparing the IPTF with profit of 79 farms, it was noted that, in both groups, it was possible to establish two subgroups with different performances. Thus, there is continuous need for improvement techniques and production systems. For both, the tools of the Production Engineering may be useful in application of management techniques that provide controlled execution of each stage of the process in order to optimize the use of resources, therefore extracting their maximum benefit over the possible longest time, as considering the socioeconomic and environmental sustainability of the system.
Key Words: Total Productivity of the Production Factors. Data Envelopment Analysis. Sugarcane Production Costs. Technical and Scale Efficiency.
LISTA DE FIGURAS
Figura 1 - Processo de seleção do portfólio bibliográfico sobre
DEA e Índice de Malmquist. ... 37
Figura 2 - Mostra do gestor de referências bibliográficas EndNote X5. ... 38
Figura 3 - Mostra do gestor de referências, EndNote X5, em Índice de Malmquist. ... 39
Figura 4 - Estrutura organizacional do trabalho. ... 41
Figura 5 - Contribuição percentual da agricultura, indústria e serviço. ... 46
Figura 6 - Países produtores de cana-de-açúcar. ... 48
Figura 7 - Distribuição percentual da produção de cana-de-açúcar, safra 2012/2013, por região geográfica. ... 50
Figura 8 - Construção de uma fronteira eficiente, modelo DEA com RVE. ... 74
Figura 9 - Projeção das DMUs orientada a insumos. ... 79
Figura 10 - Projeção orientada a produtos. ... 80
Figura 11 - Movimento radial das DMUs. ... 82
Figura 12 - Diferenciações básicas entre os rendimentos de escala. .... 89
Figura 13 - Emparelhamento e progresso técnico entre dois períodos de tempo. ... 93
Figura 14 - Enquadramento metodológico da pesquisa. ... 107
Figura 15 - Procedimentos para a realização da pesquisa. ... 111
Figura 16 - Mapa do Brasil destacando-se a localização geográfica das propriedades avaliadas no estudo. ... 112
Figura 17 - Modelo de processo de produção das fazendas produtoras de cana-de-açúcar da Serra dos Aimorés. ... 116
Figura 18 - Relação entre produtividade e custo e produtividade e
lucro do Grupo 1. ... 134
Figura 19 - Relação entre produtividade e custos e produtividade e
lucro do Grupo 2. ... 136
Figura 20 - Tipos de retornos de escala de 100 DMUs (20
fazendas x cinco talhões), nas safras 2007 a 2011, Grupo 1. ... 143
Figura 21 - Tipos de retornos de escala de 295 DMUs (59
fazendas x cinco talhões), nas colheitas de 2007 a 2011, Grupo 2. ... 145
Figura 22 - Desempenho técnico, tecnológico e da PTF dos
Grupos 1 e 2. ... 157
Figura 23 - Análise de regressão das variáveis IPTF e variação do
lucro referentes às DMUs dos Grupos 1 e 2. ... 163
Figura 24 - Análise de regressão das variáveis IPTF e variação do
lucro referentes às DMUs dos subgrupos 1 e 2 e dos subgrupos 3 e 4. ... 164
LISTA DE QUADROS
Quadro 1 - Principais itens para implantação, condução e colheita
de um canavial. ...67
Quadro 2 - Explanação das regiões de rendimentos de escala com
base na Figura 12. ...89
Quadro 3 - Distribuição dos insumos usados no processo de
produção (rateio dos itens). ... 119
Quadro 4 - Alocação das variedades de cana em função do
ambiente de produção e época de colheita recomendada para as principais variedades de cana cultivadas na região da Serra dos Aimorés, MG. ... 122
LISTA DE TABELAS
Tabela 1- Perfil do agronegócio brasileiro em relação ao total
nacional. ... 45
Tabela 2 - Distribuição da área de plantio de cana-de-açúcar,
produção e produtividade do canavial por estado brasileiro, safra 2012/13. ... 49
Tabela 3 - Precipitação pluvial mensal do período de janeiro de
2006 a julho de 2011, na microrregião da Serra dos Aimorés, MG. ... 126
Tabela 4 - Perfil dos canavicultores da Serra dos Aimorés. ... 127 Tabela 5 - Estatística descritiva das variáveis usadas no estudo de
um sistema de produção de cana-de-açúcar. ... 130
Tabela 6 - Média das variáveis de entrada e saída, por ciclo, dos
Grupos 1 e 2. ... 131
Tabela 7 - Análise de regressão linear das fazendas que utilizaram
adubo orgânico (Grupo 1) na adubação das rebrotas da cana-de-açúcar, no período de 2006 a 2011. ... 133
Tabela 8 - Análise de regressão linear das fazendas que utilizaram
adubo químico (Grupo 2) na adubação das rebrotas da cana-de-açúcar, no período de 2006 a 2011. ... 135
Tabela 9 - Classificação das DMUs do Grupo 1 em relação aos
escores de eficiência de escala por meio da abordagem DEA/RCE e DEA/RVE, nos ciclos de cana-planta à quarta rebrota. ... 139
Tabela 10 - Classificação das DMUs do Grupo 2 em relação aos
escores de eficiência de escala por meio da abordagem DEA/RCE e DEA/RVE, nos ciclos de cana-planta à quarta rebrota ... 141
Tabela 11 - Sumário das médias dos índices de eficiências
técnicas e de escala, do Grupo 1, calculadas por ano. ... 142
Tabela 12 - Sumário das médias dos índices de eficiências
Tabela 13 - Principais benchmarks, do Grupo 1, para as fazendas
ineficientes no período de 2006 a 2011 (cana-planta à quarta rebrota da cana), considerando retorno variável de escala de produção. ... 147
Tabela 14 - Principais benchmarks, do Grupo 2, para as fazendas
ineficientes no período de 2006 a 2011 (cana-planta à quarta rebrota da cana), considerando retorno variável de escala de produção. ... 149
Tabela 15 - Eficiência técnica nos modelos RCE e RVE, da
Fazenda 1, na rebrota dos cinco talhões, nos tempos anterior e atual da colheita da cana-de-açúcar. ... 152
Tabela 16 - Índices de variação da PTF, da variação das
eficiências técnica, pura, tecnológica e de escala de produção entre as rebrotas dos cinco talhões de cana da Fazenda 1, comparando-se o ano atual (t) com o anterior (t-1). ... 153
Tabela 17 - Índices de variação da produtividade total dos fatores,
das eficiências técnica, pura, de escala e tecnológica entre as rebrotas da cana-de-açúcar do Grupo 1. ... 154
Tabela 18 - Índices de variação da produtividade total dos fatores,
das eficiências técnica, pura, de escala e tecnológica entre as rebrotas da cana-de-açúcar do Grupo 2. ... 155
Tabela 19 - Distâncias calculadas por programação linear das
unidades analisadas, mudanças na eficiência técnica (ETG), mudança tecnológica (ET) e na produtividade total dos fatores (IPTF) para um conjunto de DMUs do Grupo 1 que contribuíram, em algum momento, para o deslocamento da fronteira de produção... 158
Tabela 20 - Distâncias calculadas por programação linear das
unidades analisadas, mudanças na eficiência técnica (ETG), mudança tecnológica (ET) e na produtividade total dos fatores (IPTF) para um conjunto de DMUs do Grupo 2 que contribuíram, em algum momento, para o deslocamento da fronteira de produção... 161
Tabela 21 - Análise de regressão das variáveis IPTF e lucro dos
quatro subgrupos que constituíram as DMUs dos Grupos 1 e 2. ... 165
LISTA DE ABREVIATURAS E SIGLAS
ATR - Total de Açúcares Recuperáveis BCC - Banker, Charnes e Cooper CCR - Cooper, Charnes e Rhodes
CCT - Corte, Carregamento e Transporte CRS - Constant Returns of Scale
DASA - Destilaria Serra dos Aimorés DEA - Data Envelopment Analysis
DMUO - Decision Making Unit (em observação) EE - Eficiência de Escala
EMS - Efficiency Measurement System EP - Eficiência Pura
ET - Eficiência Tecnológica ETG - Eficiência Técnica Global
GAMS - General Algebraic Modeling System GEE - Gases do Efeito Estufa
GHG - Green House Gas
GPS - Global Positioning System
IGP-DI - Índice Geral de Preços – Disponibilidade Interna IPTF - Índice de Produtividade Total dos Fatores K2O - Óxido de Potássio
MC - Margem de Contribuição N - Nitrogênio
P2O5 - Pentóxido de Fósforo
PCTS - Pagamento da Cana pelo Teor de Sacarose Aparente PE - Ponto de Equilíbrio
PTF - Produtividade Total dos Fatores RB - República do Brasil
RCE - Retorno Constante de Escala RNC - Retorno Não Crescente RND - Retorno Não Decrescente RVE - Retorno Variável de Escala
STATA - Data Analysis and Statistical Software TFP - Total Factor Productivity
SUMÁRIO 1 INTRODUÇÃO ... 27 1.1 PROBLEMA DE PESQUISA ... 28 1.2 OBJETIVOS DO TRABALHO ... 32 1.3 JUSTIFICATIVA ... 33 1.3.1 Motivação e Relevância
... 35
1.3.2 Originalidade... 36
1.4 ESTRUTURA ORGANIZACIONAL DO TRABALHO ... 40 2 REFERENCIAL TEÓRICO ... 43 2.1 O AGRIBUSINESS E A AGROINDÚSTRIA
SUCROENER-GÉTICA ... 43
2.1.1 Síntese Histórica e Evolução da Cana-de-Açúcar
... 46
2.1.2 As Especificidades do Agronegócio da Cana-de-Açúcar
... 47
2.1.3 Importância Social do Setor Sucroenergético
... 51
2.1.4 Aspectos Ambientais do Setor Sucroenergético
... 52
2.1.5 Atividades e Insumos Utilizados no Processo de
Implantação e Condução dos Canaviais
... 55
2.1.6 Planejamento e Gestão
... 55
2.1.7 Área Disponível para o Plantio da Cana
... 58
2.1.8 Preparo do Solo para o Plantio da Cana
... 58
2.1.9 Mudas de Cana
... 60
2.1.10 Adubação Verde
... 61
2.1.11 Condução do Canavial
... 62
2.1.12 Colheita dos Colmos e o Pagamento da Cana
... 64
2.1.13 Avaliação de Desempenho do Setor Sucroenergético
... 68
2.2 ANÁLISE ENVOLTÓRIA DE DADOS (DEA) E ÍNDICE DE MALMQUIST ... 69
2.2.1 Conceituações Básicas e Origem da Análise Envoltória
2.2.2 Princípios Fundamentais da Análise Envoltória de Dados
... 70
2.2.3 Avaliação da Eficiência pela Abordagem DEA
... 75
2.2.4 Modelos Básicos de Análise Envoltória de Dados
... 81
2.2.5 Eficiência de Escala
... 87
2.2.6 Índice de Produtividade de Malmquist
... 90
2.2.7 Características e Limitações da Análise Envoltória de
Dados
... 95
2.2.8 Etapas de Implementação de DEA
... 96
2.2.9 Estudos de Aplicações de DEA no Setor do Agronegócio
... 98
2.2.10 Estudos de Aplicações de Malmquist no Setor do
Agronegócio
... 103
3 MATERIAL E MÉTODOS... 107 3.1 ENQUADRAMENTO METODOLÓGICO ... 107 3.2 PROCEDIMENTOS DA PESQUISA... 110
4 PROCESSO DE PRODUÇÃO DE CANA-DE-AÇÚCAR
NA REGIÃO DA SERRA DOS AIMORÉS ... 121 5 RESULTADOS E DISCUSSÃO ... 129 5.1 ANÁLISE EXPLORATÓRIA DAS VARIÁVEIS DE
INPUTS E OUTPUT DOS GRUPOS 1 E 2 ... 129
5.2 EFICIÊNCIA TÉCNICA E DE ESCALA DAS 79 FAZENDAS POR MEIO DA ANÁLISE ENVOLTÓRIA DE DADOS ... 137 5.3 MEDIDAS DE VARIAÇÕES DA EFICIÊNCIA, POR MEIO
DO ÍNDICE DE MALMQUIST, DOS GRUPOS 1 E 2. ... 151 6 CONSIDERAÇÕES FINAIS ... 167 6.1 CONCLUSÕES ... 167 6.2 LIMITAÇÕES E DIFICULDADES NA CONDUÇÃO DO
ESTUDO ... 171 6.3 SUGESTÕES PARA FUTUROS TRABALHOS DE
PESQUISA ... 172 6.4 PUBLICAÇÕES DECORRENTES DESTA PESQUISA ... 173
REFERÊNCIAS ... 177 APÊNDICES ... 207
APÊNDICE A - Aplicação de DEA à canavicultura: um exemplo
simplificado utilizando o programa Solver
... 209
APÊNDICE B - Questionário aplicado aos técnicos e, ou,
produtores de cana para auxiliar na coleta complementar de dados das propriedades canavieiras da Serra dos Aimorés
... 214
APÊNDICE C - Gráficos de dispersão das variáveis de input e
output referentes à cana-planta e rebrotas da
cana
... 218
APÊNDICE D - Resultantes das análises de correlação e dos
componentes principais (principal component analysis – PCA) das variáveis de input e output referentes à cana-planta e rebrotas da cana
... 221
APÊNDICE E - Análise de Regressão Linear do Grupos 1 – 20
Fazendas
... 225
APÊNDICE F - Análise de Regressão Linear do Grupos 2 – 59
1 INTRODUÇÃO
O Brasil é o país com maior crescimento na produção mundial de cana-de-açúcar (GALLARDO; BOND, 2010; MARTINELLI, 2011). Este aumento deve-se, principalmente, à melhoria contínua da capacidade de produção e à instalação de novas unidades sucroenergéticas (STUPIELLO, 2005; NEVES; CONEJERO, 2007; CAMARGO, 2008; MARTINELLI, 2011). Na cultura da cana-de-açúcar, cada vez mais são adotadas diferentes tecnologias para aumentar a eficiência dos insumos, diminuir os custos de produção e elevar a produtividade da terra e dos recursos humanos, com vistas a tornar o sistema produtivo mais lucrativo e sustentável (BURNQUIST, 2011; OLIVEIRA et al., 2012).
No estado de Minas Gerais, a região da Serra dos Aimorés é uma das áreas tradicionais de produção de cana-de-açúcar, sendo contígua às outras áreas de produção de cana nos estados da Bahia e do Espírito Santo, que somadas alcançam cerca de 100 mil hectares. A região tem alta radiação solar e temperatura propícia ao desenvolvimento e maturação da cana, sendo comum, em anos com boa distribuição hídrica, a produtividade ultrapassar 120 toneladas de colmos industrializáveis, por hectare, e com produção de açúcar superior a 15.000 kg por hectare, igualando-se às áreas de maior produtividade no Brasil (OLIVEIRA et al., 2007; KANEKO et al., 2009; RAPASSI et al., 2009; OLIVEIRA et al., 2012).
Na atualidade, a cultura da cana-de-açúcar no Brasil é uma das mais competitivas do mundo e o sucesso atual pode ser atribuído a diversos fatores, mas, possivelmente, a maior contribuição deve-se à ciência e à tecnologia desenvolvidas nas universidades brasileiras, nos centros de pesquisas e nas próprias unidades produtoras de açúcar e de álcool (OLIVEIRA et al., 2007; GOLDEMBERG, 2007; MARTINELLI
et al., 2011; SILVA, 2011; RAIJ, 2011). As tecnologias de produção de
cana, extração do caldo e fabricação do açúcar e do álcool têm forte impacto econômico e social (ALBUQUERQUE, 2009), uma vez que a cana é cultivada por pequenos, médios e grandes agricultores, totalizando, em 2012, área de cultivo de cerca de 9,7 milhões de hectares (IBGE, 2013) e, além disso, emprega de forma direta e indireta
grande número de pessoas com perfis diferentes (BRESSAN et al., 2008; CAMARGO, 2008; KANEKO et al., 2009; RAPASSI et al., 2009; OLIVEIRA et al., 2012). A cultura da cana-de-açúcar também contribui para a melhoria do meio ambiente, devido à elevada taxa de fixação do CO2 atmosférico pela fotossíntese, por período prolongado de tempo (ALMEIDA et al., 2008; GARCIA; SPERLING, 2010; SUNDFELD; MACHADO, 2011; OLIVEIRA et al., 2012), mitigando dessa forma os gases do efeito estufa. Além dessa importância ambiental, essa cultura destaca-se na produção do etanol, combustível denominado “limpo”, por ser derivado de fontes renováveis, que, em complementação ou substituição aos combustíveis fósseis, contribui para reduzir os efeitos do aquecimento global (GOLDEMBERG, 2007; GALLARDO; BOND, 2010; MARTINELLI, 2011).
De maneira geral, a liderança das empresas também deve estar associada à eficiência operacional e à sustentabilidade, visto que há fortes mudanças na economia mundial e na sociedade que apontam para a emergência de novos modelos de produção que podem ser qualificados de produção sustentável (FERREIRA, 2005; BRAGATO et al., 2008; TORQUATO et al., 2009; AMATO NETO, 2011) pois, ao serem alcançados, permitem obter produtos com menor consumo de recursos, e, por sua vez, levar a maiores resultados financeiros e econômicos (FERREIRA, 2005; TORQUATO et al., 2009). Souza Filho (2007) classifica como sustentáveis as tecnologias que simultaneamente proporcionam conservação ambiental e sistemas socioeconômicos mais justos. Batalha e Silva (2000), Batalha et al., (2005); Scarpelli (2007) sugerem aplicar técnicas de gerenciamento que proporcionem meios de executar cada etapa do processo de maneira controlada, para otimizar o uso dos recursos, extraindo destes o máximo benefício ao longo do maior tempo possível, considerando o retorno econômico que poderão proporcionar.
1.1 PROBLEMA DE PESQUISA
Para Lakatos e Marconi (2010) “o problema é uma dificuldade, teórica ou prática, no conhecimento de alguma coisa de real importância, para a qual se deve encontrar uma solução”.
Segundo Montgomery e Porter (1998), alguns dos problemas mais difíceis que os gestores enfrentam, além da concorrência, são os de suas próprias organizações, uma vez que exigem mudanças em parte ou
em toda a cadeia de valor. Para tanto, é essencial que se tenha a perfeita compreensão da estrutura e do desempenho dos setores, para que a empresa possa obter vantagem competitiva sustentável.
Tradicionalmente, a gestão na propriedade rural ‒ especialmente aquela de menor porte ‒, é abordada de forma fragmentada e específica, e os trabalhos nesta área estão quase sempre restritos à apuração de custos e à análise contábil-financeira do empreendimento rural, limitando-se à apuração de receita, custos e lucros (BATALHA et al., 2005).
A gestão de custos é considerada importante ferramenta para a sobrevivência de muitas empresas; entretanto, não é suficiente reduzir custos, é preciso administrá-los de modo a reforçar o posicionamento estratégico ao motivar a integração e a interação juntamente aos seus
stakeholders (COOPER; SLAGMULDER, 1999). Os gestores, por sua
vez, necessitam de instrumentos operacionais e conhecimentos básicos que avaliem a eficiência. Entretanto, Ferreira e Gomes (2009) citam que vários estudos científicos são complexos e de difícil aplicação fora do âmbito acadêmico ou técnico especializado, possivelmente pelo alto custo, longo tempo para gerar resultados e pela restrita flexibilidade de se adequarem às diversas situações reais. Conforme Machado (2007), grande parte dos agricultores brasileiros não tem acesso a ferramentas apropriadas de gestão. Da mesma forma, Batalha et al., (2005) salientam que o baixo nível tecnológico, principalmente dos pequenos e médios agricultores brasileiros, não se explica apenas pela falta de tecnologia adequada, uma vez que, em muitos casos, mesmo quando a tecnologia está disponível, esta não se transforma em inovação, devido à falta de capacidade e condições para inovar.
O termo tecnologia refere-se ao conjunto de conhecimentos, especialmente científicos, que se aplicam a determinado ramo de atividade. Uma tecnologia constitui-se de diversos processos de produção, uma vez que esta envolve a combinação de diferentes insumos para transformá-los em produtos (FERREIRA; GOMES, 2009).
Em estudos conduzidos com produtores agropecuários do estado de Goiás, do Vale do Piranga em Minas Gerais, da região de Araraquara e São Carlos, no estado de São Paulo, e com produtores agrícolas do Alto Jacuí, no Rio Grande do Sul, foi constatada deficiência gerencial destes empreendimentos rurais. Em sua grande maioria, os produtores analisados não utilizam ferramentas adequadas às chamadas práticas gerenciais modernas (BATALHA et al., 2005).
fazendas de damasco em Malatya (Turquia), propuseram ações de reestruturamento das fazendas, aperfeiçoamento no controle de custos e aceso do agricultor à informação via serviços de extensão e programas de treinamento, uma vez que muitos agricultores não adotavam as melhores tecnologias disponíveis ou as utilizavam de forma inadequada ou contentavam com métodos antigos de produção. Conforme estes autores, o incremento na produção poderia ser alcançado por meio do uso eficiente de tecnologias.
Torquato et al., (2009) mencionam que as empresas rurais necessitam ser avaliadas do ponto de vista da eficiência que apresentam ao desempenharem essas atividades. No entanto, para avaliar inputs e
outputs no processo de produção e melhoria da produtividade dessas
propriedades, estes autores sugerem o uso de técnicas ou métodos que forneçam informações mais objetivas e precisas que as obtidas através da análise de rentabilidade e de indicadores financeiros, uma vez que há vários fatores externos que podem influenciar os resultados. Contudo, Ferreira e Gomes (2009) afirmam que é difícil avaliar o desempenho relativo de uma organização quando há múltiplos insumos e múltiplos produtos a serem considerados na análise de um sistema produtivo.
A Análise Envoltória de Dados (DEA) ou Teoria da Fronteira vem sendo muito utilizada em situações em que se propõe avaliar o desempenho de unidades organizacionais, em que a presença de múltiplos insumos e produtos dificulta a comparação (FERREIRA; GOMES, 2009). A DEA é um método da Pesquisa Operacional, cuja finalidade é construir uma fronteira ‒ curva que delimita a máxima quantidade de produtos obtida em função dos insumos utilizados ‒ conhecida como fronteira empírica, a qual se baseia em dados de produção observados, a partir dos quais avaliam-se a eficiência relativa de cada organização ou unidade produtiva observada, denominada
Decision Making Units (DMUs) (KASSAI et al., 2002; MELLO et al.,
2003; COOPER et al., 2004; LINS; CALÔBA, 2006; ONUSIC et al., 2007; FERREIRA; GOMES, 2009; SOUSA et al., 2009). As organizações reais e virtuais, denominadas DMUs, podem ser unidades com ou sem fins lucrativos ‒ realizam tarefas similares, porém independentes no que se refere à sua gestão, diferenciando-se nas quantidades de inputs que consomem e de outputs que produzem (GOMES; BAPTISTA, 2004; MELLO et al., 2005; VILELA et al., 2007; COOK; ZHU, 2008; SOUZA; MACEDO, 2008; FERREIRA; GOMES, 2009; SOUSA et al., 2009; REIS et al., 2011).
várias décadas em universidades e centros de pesquisas nacionais, assim como em empresas particulares, muito contribuíram para o avanço científico e tecnológico desse setor, uma vez que há décadas o país é referência internacional na produção competitiva de açúcar, álcool e coprodutos (GOLDEMBERG, 2007; MARTINELLI et al., 2011; SILVA, 2011; OLIVEIRA et al., 2012). Entretanto, as inovações tecnológicas são dinâmicas e há necessidade de verificar a eficiência e os custos de produção de cana, visando detectar pontos de estrangulamento para assegurar a liderança mundial do setor sucroenergético (NEVES; CONEJERO, 2007; OLIVEIRA et al., 2013). No cultivo da cana-de-açúcar, as principais atividades adotadas são análise de solo, calagem e gessagem, adubações verde e orgânica, uso eficiente de fertilizantes químicos, escolha de variedades de cana produtivas e mais bem adaptadas a determinado ambiente, controle de pragas e plantas daninhas, irrigação e colheita na época correta (OLIVEIRA et al., 2007; KANEKO et al., 2009; RAPASSI et al., 2009; RAIJ, 2011; OLIVEIRA et al., 2013).
Outro importante indicador é a eficiência operacional que, ao ser alcançada, permite obter produtos com menor consumo de recursos, o que, por sua vez, pode levar a maior crescimento econômico com o uso de tecnologias “limpas” (TORQUATO et al., 2009; OLIVEIRA et al., 2013). Assim, o gerenciamento da produção de cana requer ampla abrangência de informações de desempenho, uma vez que ela será tão mais produtiva e lucrativa quanto maior for o domínio do produtor sobre o processo produtivo e acerca das técnicas de execução e gerência (GOLDEMBERG, 2007; KANEKO et al., 2009; OLIVEIRA et al., 2013).
Diante do exposto, a pergunta de pesquisa a ser abordada é como
avaliar o desempenho relativo de propriedades canavieiras considerando os aspectos multidimensionais inerentes à produção de cana-de-açúcar? Dentre as técnicas que podem ser aplicadas para esta
avaliação, destacam-se as abordagens DEA e Índice de Malmquist. Ferreira e Gomes (2009) citam dois pontos fortes da DEA: O primeiro é que esta abordagem é a estrutura de produção gerada pelos dados, ou seja, se houver n unidades de decisão, a estrutura de produção é gerada pelos n vetores, sendo um vetor para cada unidade de decisão e cada vetor contém os valores dos insumos consumidos e dos produtos produzidos. Além da linearidade, são impostas algumas hipóteses muito pouco restritivas. O segundo ponto forte está centrado no processo de otimização, ou seja, cada unidade de decisão é comparada com os seus
pares. Esta comparação é com as que gastam menos ou igual e produzem igual ou mais. No entanto, estes autores ressaltam a necessidade de se ter bom conhecimento acerca dos fundamentos teóricos e matemáticos, além de conhecer as atividades que estão sendo avaliadas; condição fundamental para a escolha correta do modelo adequado e dos conjuntos de variáveis de entrada e de saída, uma vez que a falta desses conhecimentos pode levar à utilização inadequada dos modelos e a enganos na interpretação de seus resultados.
A natureza não estatística dos modelos DEA há muito foi reconhecida como limitação desse modelo. Entretanto, linhas de pesquisas iniciadas por Simar (em 1992) e Simar e Wilson (em 1998) combinam o método estatístico bootstrapping com DEA para gerar distribuições de frequência empíricas em avaliações de eficiência técnica de cada unidade observada (RAY, 2004; FERREIRA; GOMES, 2009). Estas pesquisas têm gerado grande interesse e, espera-se que, num futuro próximo, os softwares especializados em DEA contemplem o método bootstrapping para medir a eficiência de uma DMU (RAY, 2004), ao criar um intervalo de confiança de amplitude desejada para essas medidas (FERREIRA; GOMES, 2009).
Nos modelos básicos de DEA, as análises da eficiência técnica e de escala são modeladas para períodos individuais de tempo, ou seja, em períodos de tempos iguais. Porém, nos estudos de competitividade, é fundamental conhecer as mudanças técnicas e tecnológicas ao longo do tempo para, utilizando-se a mesma tecnologia, propor melhorias contínuas nos processos de produção e nos produtos (FERREIRA; GOMES, 2009; COSTA, 2012). Existe na literatura uma variedade de números-índice para analisar mudanças de produtividade entre períodos, dentre estes índices destaca-se o de Malmquist que não requer informações sobre preços (receitas e despesas), o que o torna preferido na análise de mudanças na produtividade total dos fatores (FÄRE et al., 1994; LOVELL, 1996; LOVELL, 2003; FERREIRA; GOMES, 2009).
Desse modo, para responder à questão de pesquisa formulada, nesse estudo, propõe-se atender aos objetivos geral e específicos, expostos a seguir.
1.2 OBJETIVOS DO TRABALHO
Com base no contexto do problema de pesquisa, objetiva-se neste estudo “avaliar a eficiência relativa de propriedades canavicultoras
utilizando índices de Malmquist”. Como função instrumental e intermediária para atingir o objetivo geral serão aplicados, em situações particulares, os seguintes objetivos específicos:
- Caracterizar os principais insumos relacionados ao processo de produção de cana-de-açúcar.
- Selecionar, para o estudo, as variáveis que representam adequadamente o sistema de produção de cana-de-açúcar. - Verificar, relativamente, a eficiência técnica e de escala das
fazendas canavicultoras, utilizando modelos DEA.
- Avaliar as variações de eficiências técnicas e tecnológicas ao longo dos ciclos da cultura da cana-de-açúcar, utilizando
Malmquist.
1.3 JUSTIFICATIVA
Em um ambiente em que a competição tende a ser cada vez mais acirrada, avaliar o desempenho de organizações e intervir para eliminar as atividades que não agregam valor aos produtos são condições indispensáveis para que qualquer empresa moderna esteja em vantagem perante a concorrência (BORNIA, 2009).
Na canavicultura, para se atingir um desenvolvimento sustentável (financeiro e socioambiental), é imprescindível associar eficiente gerenciamento das atividades envolvidas na implantação e condução do canavial (ANDRADE; ANDRADE, 2007; RAPASSI et al., 2009; SILVA, 2011; RAIJ, 2011), com a ciclagem de resíduos industriais e preservação do solo e dos recursos hídricos (PRADO, 2005; OLIVEIRA et al; 2007; ALBUQUERQUE, 2009).
Para Marion e Segatti (2012), os fatores próprios do campo, como dependência do clima, perecibilidade dos produtos e ciclo biológico das culturas e criações, associados aos riscos de pragas e doenças, levam alguns empresários a deduzir que, por se tratar de uma atividade diretamente ligada à natureza, qualquer tipo de planejamento se torna desnecessário. A falta de interesse de planejamento e de controle das operações, tanto na agricultura quanto na pecuária, contribuiu para a escassez na produção literária direcionada à administração rural, tornando-se difícil encontrar material de apoio para produtores, estudantes e professores. Ademais, Belloni (2000) cita que não tem havido uniformidade na definição dos conceitos atribuídos ao termo desempenho de organizações e aos critérios que o compõem.
No entanto, em comparação com ferramentas convencionais, a abordagem Análise Envoltória de Dados é considerada uma das mais adequadas para avaliar a eficiência de organizações, uma vez que gera uma fronteira (linha) de eficiência de uma tecnologia produtiva que define o melhor desempenho observado e possível de ser alcançado nessa tecnologia (FERREIRA; GOMES, 2009). Para que uma organização se torne eficiente, ela deverá deslocar-se até à isoquanta poliangular – curva que corresponde à combinação de insumos que proporciona a mesma quantidade de produto final (BANKER; NATARAJAN, 2008; FERREIRA; GOMES, 2009; PAULILLO; AZEVEDO, 2009). A eficiência relativa de dada DMU é então obtida a partir da distância radial entre essa unidade e sua projeção na fronteira. A Análise Envoltória de Dados consiste em encontrar a melhor DMU virtual para cada DMU da amostra. Caso a DMU virtual seja melhor que a original, ou por produzir mais com a mesma quantidade de insumos, ou por produzir a mesma quantidade de produtos com menos insumos, a DMU original é considerada ineficiente (GOMES, 1999).
A DEA trata-se de uma aplicação da Programação Linear que tem por finalidade estabelecer a eficiência relativa entre diferentes entidades independentes, contabilizando explicitamente entradas e saídas (BELLONI, 2000; FERREIRA; GOMES, 2009). Assim, a DEA possibilita definir estratégias destinadas ao benchmarking e compara as unidades entre si, identificando aquelas de melhor desempenho, que servirão como referência para as demais unidades, uma vez que essas parceiras de excelência espelham o padrão de eficiência que deve ser almejado pelas organizações ineficientes. Conforme Ferreira e Gomes (2009), essa abordagem atende às demandas de aplicação prática, sem perder o rigor da análise científica, além de contribuir efetivamente para as pesquisas acadêmicas.
A fim de visualizar as potencialidades, auxiliar na detecção dos fatores críticos de produção e para subsidiar nas decisões tomadas pelos gestores, com o propósito de aumentar a produtividade da cultura, esta pesquisa – que tem como objeto de estudo os canavicultores da região da Serra dos Aimorés – propõe avaliar a eficiência relativa de propriedades canavieiras da região utilizando as abordagens Análise Envoltória de Dados e Índice de Malmquist.
A escolha das abordagens DEA e Malmquist deveu-se à utilização dessas ferramentas, em diferentes estudos, para avaliar a eficiência comparativa de qualquer organização considerada complexa. Ademais, por permitirem que os dados sejam avaliados na forma em que
foram coletados ‒ sem compor uma média ou medida de dispersão para determinar uma fronteira de eficiência‒, e por se considerarem os aspectos multidimensionais inerentes à produção de cana-de-açúcar, ao incluir diversas variáveis de input e output.
1.3.1 Motivação e Relevância
A motivação para realizar esta pesquisa deve-se à atuação profissional da autora ao longo de mais de uma década na área do agronegócio e, quanto à relevância do tema, nas últimas décadas, tem sido crescente o interesse pela cultura da cana-de-açúcar, pois a agroindústria canavieira do Brasil é de grande importância socioeconômica e ambiental para o país. Atualmente, a área colhida com cana-de-açúcar (Saccharum officinarum L.) é de cerca de 9,7 milhões de hectares, sendo precedida apenas pela soja e pelo milho. Esse setor emprega de forma direta e indireta grande número de pessoas de diferentes classes sociais em quase todas as regiões do país, interiorizando o desenvolvimento e proporcionando aumento de divisas decorrentes das exportações de açúcar e de etanol (GOLDEMBERG, 2010; OLIVEIRA et al., 2012). A cana-de-açúcar tem excepcional capacidade para produzir açúcar e biomassa (GOLDEMBERG, 2010; AMORIM et al., 2011; CERRI et al., 2013), superando grandemente outras culturas usadas para essa finalidade, como a beterraba açucareira, sorgo sacarino, milho, miscanthus e girassol (PIMENTEL; PATZEK, 2005; OLIVEIRA et al., 2007; SMEETS et al., 2009; SOUZA et al., 2013).
Essa cultura destaca-se na produção do etanol (álcool etílico) e apresenta vantagens em relação ao petróleo por originar de fonte de energia renovável, uma vez que é produzida a partir da biomassa da cana e poluir bem menos que os produtos derivados do petróleo, gás natural e do carvão, contribuindo para a redução dos efeitos do aquecimento global (GOLDEMBERG, 2007; GALLARDO; BOND, 2010; MARTINELLI, 2011). Cerca de 80% da produção brasileira de etanol tem como destino o uso carburante, 5% destinam-se ao uso alimentar, perfumaria e alcoolquímica e 15% para exportação (UNICA, 2013).
Mori et al., (2009) e Souza Filho (2007) realçam a importância da pesquisa agrícola ao desenvolver tecnologias que mantenham ou aumentem a produtividade sem comprometer a sustentabilidade, bem
como as que identificam novos sistemas de produção, de maneira que a sustentabilidade possa ser ampliada sem prejudicar a produtividade. Assim, utilizar a Engenharia de Produção em atividades do agronegócio é fundamental para garantir os padrões de qualidade no processo, e, com base em técnicas e modelos de engenharia, avaliar com eficiência os resultados obtidos, bem como otimizar o uso dos recursos e propor melhorias em todo o sistema produtivo.
1.3.2 Originalidade
O sistema de produção de cana-de-açúcar empregado pelos fornecedores de cana da Destilaria Serra dos Aimorés (DASA) é semelhante ao adotado por quatro grandes empresas do setor sucroenergético localizadas ao Sul da Bahia, Nordeste de Minas Gerais e Noroeste do Espírito Santo. A área de cana contígua cultivada nessa região é superior a 100 mil hectares, não sendo encontrados trabalhos (tanto nessa região quanto no Brasil) com resultados que avaliassem a eficiência produtiva dos canavicultores, considerando o aspecto multidimensional do processo de produção dessa cultura.
Para mostrar o caráter original desta pesquisa, além das consultas em livros e em trabalhos publicados por meio de congressos científicos (nacionais e internacionais) e em teses e dissertações, foram feitas buscas e revisões sistemáticas em bases científicas de dados, cujos autores usaram DEA e Índice de Produtividade de Malmquist em suas pesquisas. Com base na metodologia de Ensslin et al., (2011), são mostradas na Figura 1 as etapas do processo de seleção do portfólio bibliográfico para a construção do referencial teórico sobre Data Envelopment Analysis (DEA) e Índice de Malmquist.
As palavras-chave ou termos de busca foram escolhidos com base no tema e no problema de pesquisa. Nesta pesquisa, definiram-se os seguintes termos de busca: Data Envelopment Analysis; DEA; Data
Envelopment Analysis AND Agribusiness; Data Envelopment Analysis AND Agrobusiness; Data Envelopment Analysis and Agriculture; Data Envelopment Analysis AND Sugarcane; Análise Envoltória de Dados;
Análise de Envoltória de Dados; Índice de Malmquist e Malmquist
Index. É oportuno ressaltar que os termos de busca foram colocados
entre aspas (“...”), bem como adicionados nos campos localizados nos
sites de pesquisa, “or” e “and”, palavras que podem ampliar ou refinar
Figura 1 - Processo de seleção do portfólio bibliográfico sobre DEA e Índice de
Malmquist.
Fonte: Adaptada de Tasca et al., (2010); Afonso et al., (2011); Ensslin e Ensslin (2011);
Lacerda et al., (2012).
Foram consultadas 14 bases de dados nas áreas de ciências sociais aplicadas, engenharias e áreas correlatas à estas. Destas bases, optou-se por selecionar os artigos das bases SciELO, ScienceDirect,
Scopus e Web of Science. A escolha dessas três últimas bases
internacionais deveu-se ao grande número de trabalhos publicados nas áreas da Engenharia de Produção e áreas correlatas. A primeira, por abranger, em sua maioria, artigos nacionais.
Para esta pesquisa, decidiu-se fazer os seguintes refinamentos: Área: Engenharias III e Áreas Correlatas;
Tipo de documento: Artigos, Livros e Revisões; Período de tempo: Indefinido;
Idioma: Inglês, Espanhol e Português.
Os artigos encontrados nas quatro bases de dados foram exportados para o gestor de referências bibliográficas EndNote X5. A Figura 2 apresenta a tela principal deste programa. Por meio deste, além de poder excluir os artigos duplicados, foi possível ler o título, as palavras-chave e o resumo dos artigos. E, se de acordo com o tema da pesquisa, através do EndNote, pode-se, na maioria das vezes, acessar o
artigo completo em sua URL (Uniform Resource Locator).
Figura 2 - Mostra do gestor de referências bibliográficas EndNote X5.
Observa-se, à esquerda da Figura 2, que foram identificados 7.578 estudos nacionais e internacionais, cujos autores utilizaram Análise Envoltória de Dados em suas pesquisas. Desse total, em 1.708 trabalhos foram usados o Índice de Produtividade de Malmquist (Figura 3).
Figura 3 - Mostra do gestor de referências, EndNote X5, em Índice de Malmquist.
Dentre os 1.708 estudos, apenas dois foram direcionados ao setor sucroenergético, quais sejam:
Mulwa, M. R; Emrouznejad, Ali; Murithi, F.M (2009) avaliaram o impacto da liberalização de preços sobre a eficiência e a produtividade da indústria açucareira no Quênia. Utilizaram duas metodologias para estimativa de eficiência: Análise Envoltória de Dados (DEA) e fronteira estocástica. Os dados abrangeram o período de 1980-2000 (pré e pós- liberalização do controle governamental queniano na indústria açucareira). O teste para diferenças estruturais nos dois períodos não mostraram diferenças estatisticamente significativas entre os dois períodos. No entanto, ambas as metodologias indicaram declínio nos níveis de eficiência a partir de 1992, com o menor período experimentado em 1998. A partir de então, os níveis de eficiência começaram a aumentar.
Em 2012, Mulwa, R.; Emrouznejad, A.; Nuppenau, E. A (2012) mediram a Produtividade Total dos Fatores (PTF) em lavouras canavieiras no Quênia. Neste, ilustraram-se as diferenças entre as medidas de índice de Malmquist convencionais (em que a variável ambiente não esteve ajustada) e medidas de índice de Malmquist ajustadas ao ambiente usando funções distância, hiperbólicas direcionais e indicador Luenberger.
localizar na literatura nacional e internacional estudos que utilizassem DEA e Índice de Malmquist em propriedades canavicultoras que abordassem, em extensas áreas e períodos, sistemas de produção de cana em diferentes ciclos de produção e com grande número de variáveis técnicas e econômicas. Assim, a aplicação dos modelos de Análise Envoltória de Dados e Índice de Produtividade de Malmquist tem alinhamento com as premissas desejáveis para esta pesquisa, uma vez que esta se inova ao possibilitar que as propriedades canavicultoras tenham sua eficiência avaliada seguindo a ótica da quantidade de insumos e produtos envolvidos no processo de transformação.
1.4 ESTRUTURA ORGANIZACIONAL DO TRABALHO Este relatório de Tese está organizado em seis capítulos:
Capítulo 1 – Introdução: apresenta-se o objeto de estudo, a importância da pesquisa, contextualiza o problema e a questão de pesquisa, traça os objetivos geral e específicos que nortearão a pesquisa, apresenta a motivação, justificativa e contribuições do estudo e, por fim, a originalidade do trabalho.
Capítulo 2 – Referencial Teórico: apresenta-se a fundamentação teórica relacionada ao tema deste estudo, a fim de alicerçar a pesquisa a ser desenvolvida.
Capítulo 3 – Métodos de Pesquisa: descrevem-se o enquadramento metodológico e os procedimentos da pesquisa.
Capítulo 4 – Processo de Produção: caracteriza a região canavicultora da Serra dos Aimorés.
Capítulo 5 – Resultados e Discussão: apresentam-se os dados e discutem-se os resultados da análise e da avaliação da eficiência relativa das propriedades canavicultoras.
Capítulo 6 – Considerações Finais: destacam-se as conclusões da pesquisa, sugerem-se futuros trabalhos e citam-se as publicações decorrentes desta pesquisa.
A Figura 4 apresenta a sistematização desta tese, subdividindo-a e explicitando cada etapa.
2 REFERENCIAL TEÓRICO
Este capítulo divide-se em duas partes. Na primeira, subitem 2.1, são apresentados o agribusiness e a agroindústria sucroenergética. No qual se discorrem sobre a história da cana-de-açúcar; as especificidades da cultura da cana-de-açúcar; perfil socioeconômico e ambiental do setor; atividades, tecnologias e insumos utilizados para implantação e condução dos canaviais; e avaliação de desempenho do setor sucroenergético.
Na segunda parte, item 2.2, são abordadas as pesquisas sobre DEA e Índice de Malmquist. Nesse item, descrevem-se as conceituações básicas, origem e princípios fundamentais das abordagens; produtividade e eficiência de escala; modelos básicos; avaliação da eficiência pelo método DEA; índice de produtividade de Malmquist; características e limitações dos modelos DEA; etapas de implementação do modelo DEA; e, por fim, estudos de aplicações da DEA e do índice de Malmquist no agronegócio, assim como em outros setores.
2.1 O AGRIBUSINESS E A AGROINDÚSTRIA SUCROENER-GÉTICA
O termo agribusiness teve sua origem na década de 1950, na Universidade de Harvard, pelos professores John Herbert Davis e Ray Allan Goldberg que, comparando o sistema agrícola ao de uma empresa, o definiram como a soma de todas as operações associadas à produção e distribuição de insumos agrícolas, operações realizadas nas fazendas, bem como ações de estocagem, processamento e distribuição de
commodities agrícolas e itens fabricados a partir destas (ZYLBERSZTAJN, 2005; BATALHA; SILVA, 2007).
Em 1968, Ray Goldberg, ao considerar que as atividades são vistas de maneira interdependente do ponto de vista tecnológico, social e econômico, redefiniu o termo agribusiness como um sistema complexo que engloba os atores envolvidos com a produção, transformação industrial e distribuição de um produto, de forma que, neste sistema, estejam incluídos as políticas econômicas e setoriais, o mercado de
insumos agrícolas, a produção agrícola, as operações de estocagem, processamento, atacado e varejo, demarcando um fluxo que vai dos insumos ao consumidor final (ZYLBERSZTAJN, 2005).
No Brasil, o conceito de agribusiness foi introduzido na década de 1980, com a denominação de complexo agroindustrial (OLIVEIRA, 2010), sistema agroindustrial (SAG), negócio agrícola ou agronegócio (SAAB et al., 2009). Entretanto, Batalha et al., (2005) alertam para a diferença conceitual entre os termos Sistema Agroindustrial e Complexo Agroindustrial, ainda que às vezes usado de forma imprópria na literatura. Na conceituação destes, Sistema Agroindustrial é formado por Complexos Agroindustriais, e estes, por sua vez, são constituídos por Cadeias de Produção Agroindustriais.
A partir da segunda metade da década de 1990, o termo agronegócio, originado do agribusiness, começa a ser aceito e adotado nos livros-texto e nos jornais, culminando com a criação de cursos de especializações (lato sensu) e de cursos superiores de agronegócios, em nível de graduação e de pós-graduação universitária (ARAÚJO, 2007). Assim, o agronegócio é definido como o conjunto de atividades (relacionadas à agricultura e pecuária) advindas da fazenda ou de “dentro da porteira” – que representa a produção propriamente dita (além das grandes culturas, dentre outros, inclui o agroturismo) – e dos demais setores situados a montante da fazenda ou “antes da porteira” – constituídos pela indústria e comércio que fornecem insumos para a produção rural, como sementes, mudas, fertilizantes, agroquímicos, tratores e implementos, equipamentos de irrigação, embalagens etc. – e a jusante ou “depois da porteira", que representa as etapas de beneficiamento, transporte, armazenamento, processamento ou industrialização, comercialização dos produtos agropecuários até o consumidor final (PINAZZA et al., 1986; CASTRO et al., 2002; BRUNO, 2010; OLIVEIRA, 2010). As atividades consideradas “antes da porteira” representam cerca de 11% do volume de recursos do agronegócio; as de “dentro da porteira”, cerca de 26%; e as “depois da porteira” são responsáveis por 63% do agronegócio brasileiro (OLIVEIRA, 2010).
Dessa base conceitual do agronegócio, no Brasil, surgiu o termo cadeia produtiva definida como um conjunto de partes inter-relacionadas de diversos sistemas produtivos, ou subsistemas do agronegócio, nos quais ocorrem a produção agropecuária e agroflorestal (CASTRO et al., 2000). Conforme Zylbersztajn (1994); Batalha (1995); Castro et al., (1995); Zylbersztajn (2000); Batalha e Silva (2007); Gasques et al.,
(2008); Salgado Junior et al., (2009), a ideia de cadeia produtiva, termo em que aplica à sequência de atividades que transformam uma
commodity em um produto pronto para o consumidor final, surgiu na
França, na década de 1960, com a denominação de filière, e, no Brasil, os primeiros trabalhos sobre esta ótica datam da década de 1990.
A análise do agronegócio brasileiro (Produto Interno Bruto ou PIB do agronegócio) é feita para os setores agrícola e pecuário, com base, resumidamente, na soma de quatro segmentos: (a) Insumos para a agropecuária; (b) Produção agropecuária básica ou primária; (c) Agroindústria (processamento); e (d) Distribuição (CEPEA, 2013). Na Tabela 1 encontra-se o perfil do agronegócio brasileiro, em 2013.
Tabela 1- Perfil do agronegócio brasileiro em relação ao total nacional.
Descrição Ano: 2013 PIB (agronegócio) 23% Exportações (agronegócio) 41% Importações (agronegócio) 7% Área plantada 8% População rural 15%
Fonte: Elaborado a partir dos dados da Conab, IBGE, Cepea-USP /Faemg/ Seapa/MAPA.
Com base nos dados expostos na Tabela 1, pode-se notar a extensão do agronegócio brasileiro, uma vez que este tem-se apresentado como relevante segmento na geração de emprego e renda, caracterizando-se, na média dos últimos anos, por crescimento superior ao da indústria e se tornando cada vez mais importante para o país (BRESSAN et al., 2008; IBGE, 2013). Em 2012, a agricultura, denominada setor primário, representou 5,2% do PIB nacional, que foi de US$2,3 trilhões, e a soma dos produtos desse setor em todos os países produtores representou 5,9% do PIB mundial, que foi de US$83,2 trilhões, sendo, o Brasil, líder mundial na produção e exportação de vários produtos agrícolas como café, açúcar, etanol de cana-de-açúcar e suco de laranja (CONAB, 2013; IBGE, 2013).
Na Figura 5 são mostradas as contribuições percentuais do setor agrícola, industrial e de serviços no PIB brasileiro e mundial.
Dentro do contexto da cadeia do agronegócio, destaca-se a cana-de-açúcar, que ocupa posição de destaque na economia do Brasil, transformando-se na segunda cultura economicamente mais importante para o agronegócio brasileiro (UNICA, 2013), sendo precedida apenas pela cultura da soja (EMBRAPA/CNPSO, 2013).
Figura 5 - Contribuição percentual da agricultura, indústria e serviço. 5,5 26,4 68,1 6,0 30,7 63,3 0 10 20 30 40 50 60 70 80
Agricultura Indústria Serviço
% Brasil
Mundo
Fonte: Elaborada a partir dos dados da CIA, 2013.
2.1.1 Síntese Histórica e Evolução da Cana-de-Açúcar
As diferentes espécies de cana-de-açúcar tiveram suas origens na Papua, em Nova Guiné, Oceania (canas nobres ou tropicais) e no Continente Asiático (canas indianas, japonesas e chinesas). A propagação dessa cultura ocorreu no norte da África e sul da Europa pelos árabes, na época das invasões. A partir do século VIII, os povos árabes disseminaram o cultivo da cana-de-açúcar nas margens do Mar Mediterrâneo, e os chineses participaram ativamente na disseminação da cultura nos países Filipinas e Java. Essa cultura foi introduzida nas Américas, em 1493, por Cristóvão Colombo, onde foi plantada em Santo Domingo, Região das Antilhas e, depois, levada para Cuba, México e Peru. Em 1502, proveniente de mudas da Ilha da Madeira, foi introduzida no Brasil na Capitania de São Vicente, hoje estado de São Paulo, pelo primeiro colonizador do Brasil, português Martim Afonso de Sousa. Em 1535, a cana-de-açúcar foi levada para Pernambuco, onde houve grande avanço da indústria açucareira, passando a ser, até 1954, o maior produtor nacional de açúcar (PLANALSUCAR, 1986; MONZAMBANI
et al., 2006; MAGRO; LACA-BUENDÍA, 2010). Contudo, a partir
dessa data, até a atualidade, o estado de São Paulo lidera a produção nacional de cana-de-açúcar (HTTP://WWW. COMCIENCIA.BR/
COMCIENCIA, 2013).
Nos séculos XVI e XVII, a cana-de-açúcar era a principal riqueza do Brasil, quando a lavoura, a indústria e o comércio do açúcar alcançaram importantes progressos. No final do século XVII, o açúcar sofreu grande crise, em decorrência da corrida do ouro e das pedras preciosas de Minas Gerais, e esta foi agravada pela concorrência de mercado, devido à produção das Antilhas (América Central). Mas, um século depois, com o declínio da mineração, ressurgiram os engenhos e, no século XIX, teve início à modernização da indústria, com a introdução de máquinas a vapor (PLANALSUCAR, 1986).
A cana-de-açúcar é uma gramínea que possui, quando amadurecida, grande teor de açúcares – aproximadamente 1/3 da matéria seca dos colmos (UNICA, 2013). As canas plantadas no mundo inteiro são híbridas de variedades botânicas; entretanto, convencionou-se denominá-las “variedades” e são codificadas por letras e números, dando-lhes nomes compostos de siglas da instituição (federal, estadual ou privada) que efetuou o cruzamento, do ano em que este foi realizado e um número sequencial das seleções das variedades (http://www.comciencia.br/comciencia, 2013). Cita-se, como exemplo, a variedade de cana RB867515 (“RB” cruzamento da variedade obtido pelo centro de pesquisa de uma universidade federal brasileira; “86”, ano em que se iniciou o cruzamento; “7515”, número sequencial identificador da variedade).
Atualmente, 60% da área cultivada com cana-de-açúcar é ocupada com cultivares RB (inicialmente República do Brasil e, agora, RIDESA Brasil) liberadas pelo Programa de Melhoramento Genético da Rede Interuniversitária para o Desenvolvimento do Setor Sucroalcooleiro (RIDESA). Este Programa foi criado com a finalidade de incorporar as atividades do antigo Programa Nacional de Melhoramento da Cana-de-Açúcar (PLANALSUCAR), vinculado ao Instituto do Açúcar e do Álcool (IAA), órgão do Ministério da Indústria e do Comércio (OLIVEIRA et al., 2012). A RIDESA é constituída por 10 Universidades Federais: UFPR, UFSCar, UFV, UFRRJ, UFMT, UFG, UFS, UFAL, UFRPE e UFPI (RIDESA, 2012).
2.1.2 As Especificidades do Agronegócio da Cana-de-Açúcar
A cana-de-açúcar é uma cultura que se destaca pelo alto valor econômico, cuja produção mundial gira em torno de 1,66 bilhão de
toneladas por ano (FAO, 2013), e, neste cenário mundial, o Brasil é considerado o maior produtor (CNA, 2013; IBGE, 2013). Na Figura 6 são mostrados os países produtores de cana-de-açúcar e a classificação de acordo com as toneladas de cana produzidas.
Figura 6 - Países produtores de cana-de-açúcar.
Fonte: Elaborada a partir dos dados da FAO, 2013.
Na safra 2012/2013, o Brasil foi responsável por cerca de 44% da produção, seguido pela Índia (21%) e pela China (7%), sendo o primeiro na produção de açúcar e etanol, respondendo por quase metade do açúcar comercializado no mundo (FAO, 2013).
A liderança do Brasil vem sendo mantida principalmente em virtude da área cultivada, que é relativamente grande, dos elevados índices de produtividade alcançados nas principais regiões produtoras do país, atrelados a isso, em razão do aumento do desenvolvimento nacional de diversas tecnologias agrícolas, incluindo fertilidade do solo, alocação de variedades, manejo e tratos culturais, controle de pragas e plantas daninhas, sistemas de colheita e mecanização (OLIVEIRA et al., 2007; GOLDEMBERG, 2007; MARTINELLI, 2011; OLIVEIRA et al., 2011; CONAB, 2013; OLIVEIRA et al., 2013), além do aumento da capacidade das unidades produtivas e da instalação de novas unidades (STUPIELLO; 2005; CAMARGO, 2008). Assim, o Brasil é o país com maior crescimento na produção mundial de cana-de-açúcar (NEVES; CONEJERO, 2007; OLIVEIRA et al., 2013). Contudo, em 2011, a cana-de-açúcar ocupava menos de 3% de terras brasileiras agricultáveis, uma área quase 20 vezes inferior à usada como pastagens, que era de aproximadamente 180 milhões de hectares (JANK, 2011).
